? Преамбула
Работая над продуктом, тема исследований для меня долгое время была темным лесом. Я больше 8 лет работаю продакт-менеджером. И за это время я делал маркетплейсы, криптобиржи, iGaming-платформы, Медиа порталы и Dapps. Руководил командами до 30 человек. Прошёл через все стадии — от Ideation до выхода на рынок и масштабирования, от операционки до продуктовой стратегии.
Спустя, наверное, год, с того момента, когда я начал работать как Продакт Менеджер и успел набить шишки и получить первый опыт, меня начал терзать вопрос: как сделать продукт, который не просто хорошо работает, а реально закрывает потребности и боли настолько, чтобы его хотелось купить и было в кайф пользоваться.
Я много думал об этом, особенно глядя на то, как Apple делают свои продуктовые линейки. Для меня это номер один по UX: красивые, понятные продукты, где всё, что тебе нужно, всегда под рукой и работает так, как ожидаешь. Долго казалось, что у них там сидят гении, которым просто «везёт» делать идеальные вещи.
Оказалось, секрет куда более приземлённый — в системном research на каждом этапе. Я начал копать глубже и глубже в тему исследований, и каждый раз мне казалось, что я что-то упускаю и можно сделать лучше. Поэтому я постоянно искал способы прокачать исследования — тестировал подходы, перестраивал процессы, добавлял новые методы, чтобы получать максимально живые и полезные инсайты.
? Лирический оффтоп
Раньше я довольно часто писал статьи на продуктовые темы. Последние месяцы я писал преимущественно на тему Web3 и крипты и пришло время написать снова в тему моей основной профессии. Некоторые мои прошлые статьи по теме продакт менеджмента — возможно будет интересно глянуть:
В своём telegram-канале посты выходят чаще, но они короче и менее глубокие, чем тут, на Хабре. Если вам интересна тема — заглядывайте, там можно поймать больше контента в реальном времени.
Вернёмся к сегодняшней статье
Сегодня я хочу рассказать, как выглядит комплекс исследований, который я выстроил за годы практики, и который, на мой взгляд, максимально закрывает потребность бизнеса понимать пользователя, делать продукт ценным и удерживать его внимание.
? Продуктовая разработка и место исследований
Если упростить, любой продукт рождается и проходит через примерно 3 больших этапа.
? Ideation.
Ideation это этап, где рождаются идеи.
Обычно он идёт после первичного исследования рынка и конкурентов: смотрим тренды, нащупываем ниши, ищем точки роста. Дальше идеи high-level проверяются на жизнеспособность — через быстрый анализ ценности для аудитории и драфтовую юнит-экономику, чтобы понять, есть ли шансы на прибыль.
? Discovery.
Если мы успешно прошли фазу Ideation, то переходим в Discovery.
На этапе Discovery мы снова возвращаемся к исследованиям — и количественным, и качественным. Здесь подключаются UX-интервью и юзабилити-тесты. Основная цель — глубже разобраться в реальных потребностях пользователей, собрать чёткий концепт и проработать UX/UI под конкретные сценарии и задачи. По сути, это финальная шлифовка продуктового решения перед стартом разработки.
? Delivery.
Тут мы доводим дизайн до финальной стадии (high-fidelity) и pапускаем разработку. Главная цель — собрать рабочий MVP и выйти в Live.
Этап четвёртый — Growth & Improvement.
MVP готов — дальше включаем продуктовые метрики: Retention, DAU/WAU, Conversion Rate, ARPPU, LTV и другие. Смотрим, как ведут себя пользователи, собираем фидбэк, чиним баги, отрезаем лишние фичи и усиливаем то, что реально приносит ценность.
Исследования на этом этапе тоже остаются важной частью работы, но их задачи меняются. Где-то достаточно быстрых проверок и A/B-тестов, а где-то — полноценные MVP-запуски с метриками, которые подтверждают, что продукт действительно решает проблему.
? Базовые исследования для каждой фазы продукта
Мы уже пробежались по основным этапам создания продукта — от идеи до релиза и дальше к росту. Казалось бы, всё просто: знай себе чеклист и двигайся по шагам. Но нет. Одно дело — видеть эти фазы на слайде, и совсем другое — понимать, какие именно исследования реально работают на каждом этапе.
Исследования — это не «спросили пару человек и пошли в продакшн». Это постоянная возня с гипотезами, поиском неожиданных инсайтов, попытками подтвердить то, что кажется очевидным (а потом выясняется — нифига). Такой процесс и спасает от бессмысленных месяцев разработки «в стол». И да, данные тут должны быть не просто «на глазок», а статистически значимыми. Иначе получится иллюзия рынка, которая существует только в твоей маленькой выборке.
Дальше пойдём по шагам:
Разберём базовые виды исследований, которые могут пригодиться
Посмотрим, на каких фазах их лучше применять. Так будет проще понять, когда запускать опрос, а когда уже пора сидеть в интервью или копаться в аналитике.
? Этап 1. Исследование рынка и конкурентов
Начать стоит с market & competitor research.
Цель этого этапа простая на словах, но не такая уж лёгкая на деле — собрать максимально полную картину того, что происходит в отрасли. Какие тренды реально разгоняются, какие продукты только выходят, что уже стало «must-have», а что ещё выглядит странно, но может выстрелить как будущая киллер-фича. Короче, смотрим и на рынок, и на конкурентов, и на всё вокруг.
Обычно такой ресёрч идёт перед Ideation. Потому что идея не должна рождаться в вакууме. Да, иногда можно вытащить её «из головы» или опереться на свои метрики — никто не запрещает. Но если речь про абсолютно новый продукт, а не про доработку старого, то без анализа рынка и конкурентов это похоже скорее на гадание. А ресёрч даёт контекст и понимание: мы хотя бы идём туда, где сейчас что-то происходит, а не в сторону, где тишина и tumbleweed.
? Что в итоге получаем
сводную таблицу по конкурентам;
повторяющиеся паттерны — то, что делают все без исключения;
уникальные фичи — то, что встретилось у одного игрока и может стать фишкой;
общие тренды и потенциальные точки роста.
На выходе первого этапа у нас уже есть не просто данные, а набор гипотез: что стоит попробовать внедрить, что проверить тестами, а куда копать глубже.
? Этап 2. Количественные и качественные исследования
Когда гипотезы уже на руках, пора вынести их к реальным людям. Тут есть два инструмента — quantitative и qualitative research.
В Ideation это, по сути, основной метод: проверяем, какие идеи, выросшие из анализа рынка и конкурентов, вообще имеют право на жизнь. Иногда запускаем новые исследования под конкретные вопросы, иногда достаём из архива старые данные — если тема уже пересекалась с прошлыми проектами.
А вот в Discovery всё становится ещё глубже. Здесь уже нужна не общая картинка, а максимально точные данные, которые помогут собрать финальную концепцию продукта.
? Quantitative research — опросники (surveys), нацеленные на количественное подтверждение или опровержение гипотез.
Формат: в основном закрытые вопросы — так проще отвечать, и конверсия выше.
Цель: понять, вообще живая ли гипотеза и сколько процентов аудитории она реально цепляет.
Что по стандарту: в индустрии считается нормой собрать 240–300 ответов. Это даёт погрешность около 5% (да, та самая формула для расчёта выборки). Я отдельно разбирал тему количественных исследований и ошибок выборки — можно глянуть в Моей статье по ссылке.
? Qualitative research — глубинные интервью, чтобы докопаться до нюансов, которые нельзя вытащить в survey.
Формат: открытые вопросы, разбор пользовательских сценариев, анализ jobs-to-be-done, болей, потребностей и контекста.
Цель: докопаться до деталей, которые не видно в цифрах. То, что ускользнуло в количественном исследовании, здесь вытаскивается через диалоги и наблюдения.
? Источники респондентов:
Своя аудитория (если продукт уже живёт).
Купленные выборки через UserInterviews, Respondent.io, Pollfish (с фильтрацией по демографии, интересам и т.д.).
? Результат этапа: понимание, нужна ли идея или продукт пользователям, будут ли они им пользоваться, решает ли он их проблему и насколько это важно для них.
? Этап 4. Приоритизация и юнит-экономика
К этому моменту у нас уже есть:
Список идей, которые аудитории интересны.
Оценка объёма интереса (в процентах).
Сегментация по типам пользователей.
Дальше мы смотрим не только на «хотят / не хотят», но и на экономический потенциал. Здесь в ход идёт юнит-экономика — и именно данные исследований ложатся в её основу.
1. Использование данных исследований
Если планируем монетизацию на текущей аудитории, смотрим на исторические данные и поведение пользователей:
Потенциальная конверсия в оплату.
Возможная каннибализация существующих продуктов.
Если монетизация рассчитана на новую аудиторию, оцениваем каналы привлечения:
Органика — какие ключевые слова, объём поискового трафика, позиция конкурентов.
Платная реклама — прогнозируем CAC (Customer Acquisition Cost), CTR, CPM, CPA.
2. Построение revenue-модели
На основании этих данных прикидываем возможные источники дохода (revenue streams) по каждой идее:
Объём аудитории × потенциальная конверсия × средний чек (если сильно упростить).
Для платных каналов — минус CAC.
Для freemium или retention-моделей — учёт LTV и оттока.
3. Приоритизация
Оцениваем не только impact (потенциал дохода), но и effort (затраты ресурсов).
Определяем, какие команды будут задействованы.
Считаем суммарный фокус и время всех зависимых команд (Dependency Matrix).
Выбираем метод оценки: RICE, ICE или матрица Effort vs Impact.
После этого у нас есть чёткий приоритетный список, и можно двигаться к этапу Delivery.
? Этап 5. Прототип и юзабилити-тесты
Когда MVP готов, следующая цель — проверить, как он живёт в руках реальных пользователей. Это не просто "посмотрели и оценили" или "глянули метрики", а системная проверка: насколько продукт интуитивен, закрывает ли он обещанные задачи и не рождает ли новые боли. Здесь важно не гадать и не опираться только на цифры, а опираться на живое взаимодействие аудитории с продуктом.
Есть три основных формата, которые хорошо работают:
Наблюдение за поведением
Гоним тестовый трафик или приглашаем ограниченную группу пользователей, подключаем инструменты аналитики (Clarity, Hotjar и аналоги), записываем сессии и смотрим:
Куда кликают и в каком порядке
На каких шагах зависают или бросают путь
Какие элементы вызывают сомнения или путаницу
Такой формат даёт «чистую» картину поведения без вмешательства исследователя.
Тестирование по конкретным задачам (task-based tests)
Приглашаем респондента и даём ему чёткие сценарии:
«Найди квартиру за $800 в Касабланке»
«Создай вишлист и добавь туда два варианта»
Смотрим, как он решает каждую задачу: какие шаги предпринимает, насколько быстро справляется, где спотыкается. Этот формат особенно полезен, когда мы хотим проверить, как продукт справляется с конкретными «джобами» из Job-to-be-Done.
Совместная сессия с комментарием вслух (think-aloud protocol)
Пользователь работает с продуктом и параллельно вслух описывает, что делает и что думает:
Почему он кликнул именно сюда
Что он ожидает увидеть
Что его смущает или радует
Такой подход даёт не только поведенческие данные, но и когнитивный контекст — мы понимаем, что именно происходило в голове пользователя в момент взаимодействия.
? Что мы получаем на выходе
Картина реального пользовательского опыта (UX)
Список конкретных проблем в интерфейсе и логике
Понимание, где MVP уже решает заявленные задачи, а где «сыпется»
Идеи для улучшений и новые гипотезы
Часто в ходе таких тестов мы находим «скрытые» джобы, о которых изначально даже не думали. Эти инсайты напрямую влияют на приоритеты в бэклоге и качество следующей итерации продукта.
? Этап 6. Запуск и пост-анализ
После релиза работа над продуктом только начинается — теперь мы переходим в режим постоянного мониторинга и обратной связи.
? Настройка и автоматизация аналитики
Сразу после запуска подключаем и конфигурируем инструменты: GA4, Hotjar, MS Clarity, Power BI, Amplitude, Mixpanel — в зависимости от продукта.
Строим дашборды и воронки: от первого захода до целевого действия, с разбивкой по источникам трафика, сегментам и устройствам.
Настраиваем когортный анализ для отслеживания удержания (retention) и поведения разных групп пользователей со временем.
Мониторинг поведения и аномалий
Используем Hotjar / MS Clarity для записи сессий, HeatMaps и выявления проблемных мест в UX.
Следим за аномалиями в метриках (резкие падения конверсии, всплески отказов, увеличение времени на шаге) и реагируем оперативно.
Выстраиваем алерты в BI/аналитике, чтобы команда сразу знала о критичных изменениях.
Саппорт как источник инсайтов
Анализируем обращения в support: жалобы, вопросы, частые непонимания.
Классифицируем обращения по темам, чтобы выявлять системные проблемы быстрее и прозрачнее.
Регулярный анализ метрик и поведения юзеров
Планируем еженедельные/ежемесячные ревью метрик.
Смотрим, как изменения (новые фичи, A/B-тесты) влияют на продукт.
Выявляем точки роста и зоны риска, чтобы не допускать «дропов» в ключевых показателях или местах воронки.
Итеративное улучшение
Все инсайты и цифры возвращаются в воронку исследований.
На основе данных формируются новые гипотезы и задачи для следующей итерации.
Итог: это не разовый анализ, а постоянный цикл улучшений, который делает продукт живым и устойчивым, предотвращая выгорание метрик и повышая ценность для пользователя.
? Итог
Теперь, Когда я смотрю на разработку продукта с высоты лет опыта, становится очевидно, что исследования — это не отдельная «галочка» в процессе, а процесс, который проходит сквозь весь продукт от первой идеи до готового решения. Исследования определяют, в какую сторону мы двигаемся, помогают не терять связь с реальным пользователем и превращают субъективные догадки в объективные данные.
Я пришёл к этому не сразу. Первые годы я больше полагался на экспертизу и хотелки инвесторов или CEO, Но чем больше я погружался в тему, тем яснее становилось: без системного цикла ресёрча продукт рискует либо не попасть в потребность, либо застрять на стадии «работает, но не цепляет».
Выстроив для себя этот комплекс — от анализа рынка и конкурентов до пост-релизного итеративного улучшения, — я увидел, что исследования работают не как разрозненные активности, а как замкнутая система обратной связи. Она не только снижает риск провалов, но и ускоряет рост — потому что каждая новая гипотеза и фича проверяются быстро и адресно, а улучшения опираются на реальные данные, а не на чуйку.
И всё же я не считаю этот подход чем-то окончательным. Продукты, рынки, технологии и сами пользователи меняются слишком быстро, чтобы можно было сказать «всё, нашёл идеальный рецепт». Я постоянно добавляю новые методы, тестирую инструменты, перестраиваю этапы, чтобы система оставалась живой и адаптивной.
Тема эта, на мой взгляд, фундаментальна для любого продакт-менеджера. Даже сильная идея без ресёрча часто превращается в «выстрел в темноту». А вот системная работа с данными и инсайтами повышает шансы не просто попасть в цель, а построить продукт, который будет расти и удерживать аудиторию годами.
? А как у вас это устроено? Поделитесь опытом
Вы делаете исследования точечно или выстроили целостный цикл?
Какие методы и подходы оказались самыми эффективными именно для вас?
Буду рад обсудить в комментах, обменяться опытом и, возможно, найти новые идеи для улучшения своего подхода.
? Мои соц. сети
Подписывайся, если интересно ?